Shopee库存管理工具：不断货也不压货

库存问题的两种代价

断货的代价比大多数人以为的要大。买家点进商品看到缺货，多数不会等着补货，而是直接去看别的商品。这一单的损失只是一部分，更麻烦的是商品在搜索里的表现会下滑，恢复需要重新积累。

断货还有一个隐性成本是老客的流失。回头客来买东西，看到常用的规格没有货，下次可能就不会先来看这家店了。这种流失不会出现在任何报表里，但它是真实发生的。

压货的代价则是资金被锁住。货放在仓库里不动，占用的资金本来可以用来补畅销款、做推广、或者应对突发情况。资金周转慢了，整个经营节奏都会跟着变慢。

压货还有仓储和损耗的成本。库存放得越久，仓储费用越高，商品本身的保质期或者款式时效性也在消耗。等到决定清仓的时候，往往已经要打到很低的价格。

两种代价的根源常常是同一个，就是库存数据的判断依据不足。靠感觉补货，畅销的补不够，滞销的又不断加单，结果就是两头都出问题。

真正的库存管理不是追求零库存，而是在断货风险和资金占用之间找一个自己能承受的平衡点。这个平衡点每个类目、每个阶段都不一样。

从财务角度看，断货损失的是机会成本，压货损失的是实际资金。两者性质不同，但在账面上都不容易被单独看到。断货只体现为销售曲线的一个凹陷，压货则藏在资产负债表里。想管住这两种代价，需要先把它们变成可以量化的指标。

量化之后会发现两种代价往往有关联。压货占用了资金，导致没有余力去补畅销款的货，于是畅销款更容易断货。压货和断货不是两个独立的问题，而是同一个资金分配问题的两个表现。

这个视角带来一个判断上的转变：解决库存问题不应该只盯着某一个商品，而要看整体的资金分配。把资金从滞销品里释放出来，才能真正解决畅销品的备货问题。

还有一个时间上的差别值得注意。断货的影响是即时的，当天就能看到销量下滑；压货的影响是渐进的，几个月之后才在资金周转上体现出来。因为反馈速度不同，很多人对断货更敏感，对压货则容易忽视。

这种不对称导致的实际结果是，多数店铺的备货倾向整体偏保守，宁可少备也不愿多备。长期下来商品结构会慢慢偏向薄利和少库存，增长的潜力被自己限制住了。

所以库存管理的目标要写清楚：不是把库存压到最低，而是让资金用在出单最快的商品上。有了这个目标，判断备多备少就不再是凭感觉。

举一个具体的例子。某商品月销三百件，单价八十，毛利三成。断货一周意味着少卖约七十件，损失毛利约一千七百。如果这批货备多了两百件压了三个月，占用的资金是一万六，按年化一成的资金成本算，三个月约四百元，加上仓储和可能的降价处理，实际损失可能接近两千。

这个算例说明两边的代价量级其实接近，但断货的损失更容易被感知，压货的损失则被摊薄到几个月里。因为感受不同，很多人会下意识地偏向少备货。

理性的做法是把两种代价都算出来对比。当备货量增加一件时，多承担的资金成本和少承担一次的断货损失，哪个更大。这个判断的答案在现金流紧张时和在现金流宽裕时是不一样的。

现金流紧张的阶段，可以适当接受略高的断货概率，把资金用在最关键的商品上。现金流宽裕、处于扩张期时，则可以多备一些，用库存换增长。库存策略要跟着经营阶段调整。

还有一个细节是不同商品的代价差别很大。高毛利商品的断货损失远大于低毛利商品，因此安全库存的级别也应该不同。统一的标准会把资源平均分配，效率反而低。

把这些算清楚之后，库存管理就从凭感觉变成了有依据的取舍。它承认两种代价都存在，做的是在两者之间找到当前阶段最合适的位置。

库存管理的关键是把补和清都变成有规则的动作

库存数据从哪里来

第一类数据是实际在库数量。这个数字来自仓库的实际盘点，包括货架上的、待发货的、以及退货待检的部分。这三部分要分开统计，不能混在一起算可售库存。

第二类数据是渠道在售数量。同一个商品在几个渠道上架，每个渠道显示的可售量之和，才是理论上能卖出去的总量。渠道之间不互通的时候，这个数字需要人工维护。

第三类数据是订单占用数量。已经下单但还没有发出的订单，占用的库存要从可售量里扣掉。如果扣减不及时，就会出现两个渠道同时把同一批货卖掉的情况。

第四类数据是采购在途数量。已经下单给供应商但还没到货的部分，也要计入统计。在途数量决定了未来几天能不能补上，是判断是否需要紧急补货的重要依据。

第五类数据是退换货的数量。退回的商品能不能重新销售，取决于检查结果。这部分如果长期不处理，库存数字会一直偏高，掩盖真实的缺货情况。

把这五类数据放在一张表上，库存的完整画面才出来。可售等于在库减占用，未来可售等于可售加在途，加上退换的处理结果，才能做出准确的判断。

这些数据分散在不同的地方。在库数量在仓库和库存系统里，渠道在售数量在各平台的卖家后台，订单占用在订单系统里，在途数量在采购记录里，退换数量在售后记录里。把它们汇总到一处是第一步。

汇总的方式可以用一张表人工维护，也可以用系统的接口打通。中小店铺的常见做法是先用表格把关键字段维护起来，等数据量大了再考虑对接。关键是先有汇总的动作，工具可以后面再补。

汇总之后要定一个更新的频率。在库数量按盘点周期更新，订单占用和渠道在售最好能做到每天同步，在途和退换按实际发生更新。频率不同的数据放在一张表上，要标注各自的更新时间。

数据来源还要注意口径的统一。同一个数字在不同系统里的定义可能不一样。比如在售数量是包含预售还是不含，是包含未付款订单还是不含。这些定义要事先对齐，否则汇总出来的数字会互相矛盾。

有了完整的数据之后，库存判断才有依据。剩余可售天数、补货触发点、滞销识别这些判断，都建立在数据完整的前提上。数据不完整的时候，任何规则都算不准。

所以库存管理的第一步不是设规则，而是把数据理清楚。这一步花的时间最多，但它决定了后面所有动作的准确性。跳过这一步直接去抄别人的安全库存标准，效果通常不好。

举一个数据不一致的具体场景。系统显示某商品可售一百件，仓库实际只有七十件。差异来自上周的一批退货，商品已经退回但还没有完成检查入库。这三十件的差异直接影响补货判断。

如果按系统的数字判断，短期不需要补货；按实际数字判断，已经接近警戒线。判断的差别就在于数据的准确度。这种差异在日常运营里非常常见，而且往往被忽略。

解决办法是把退换货的处理时限管起来。退回的商品在几天内必须完成检查并决定入库还是报废，不能让它们停在一个模糊的状态里。这个环节理顺了，账实差异会明显减少。

另一个场景是多渠道的在售量。同一个商品在三个渠道售卖，每个渠道各显示五十件，看起来总量是一百五。但实际库存只有一百二，多出来的三十件是重复计算的部分。

这个问题的根源是渠道之间没有共享库存。解决办法要么是打通系统，要么是按渠道分配固定的额度。比如每个渠道分配四十件，谁卖完了谁补，避免相互挤占。

这两种场景说明的是同一件事：库存数据的准确性依赖于流程的每个环节都及时完成。数据本身不会出错，出错的是它没能跟上实际的货物流转。

断货和压货的背后，往往是同一批数据问题

安全库存怎么设

安全库存的起点是补货周期。如果从下单到入库需要七天，那么在这七天里卖掉的量就必须提前备出来。用日均出单量乘以补货天数，得到的是最基本的数量。

在这个基础上还要加缓冲。缓冲的作用是应对出单速度的波动。出单稳定的商品缓冲可以少一些，销量起伏大的商品缓冲要明显加厚，否则很容易在峰值期断货。

补货周期本身也要留余量。供应商承诺七天，实际可能是九天，尤其是旺季。按实际到货的历史数据来估算周期，比按承诺时间来算更可靠。

不同类型商品的安全库存不能用同一个标准。快消类商品出单快、补货勤，安全库存可以相对低；耐用品类出单慢但单值高，一旦断货损失更大，需要多留一些。

安全库存不是设一次就不动的。随着出单速度变化、供应商更换、物流方式调整，原来的数值可能已经不合适。复核的频率可以和库存盘点结合在一起做。

还有一个常见的误区是把安全库存设成一个固定的数量。出单速度在变化，固定的数量要么偏高要么偏低。更合理的做法是按天数设，每天按最新的日均出单量重新计算。

举个计算的例子。某商品日均出单二十件，补货周期从下单到入库是十天，那么基础备货量是两百件。如果这个商品的出单波动比较大，实际可能到三十件，那么缓冲就要按更高的日均来留。

一个可行的做法是按乐观和悲观两种情形分别算一遍。悲观情形下日均出单按高位估算，补货周期按最长的历史值估算。两次计算的结果取一个合适的中间值作为安全库存。

不要忽略季节因素。同一个商品在旺季的日均出单可能是淡季的两三倍，用淡季的数据去设全年的安全库存，旺季往往会断货。按季节分段设不同的数值，比一个全年固定值更合理。

资金压力大的时候，可以优先保障高毛利商品的安全库存。毛利低的商品哪怕偶尔断货，损失也相对可控。资源有限的情况下，分级保障比平均用力效果更好。

安全库存的数值要写下来并公开。让负责补货的人知道每个商品的标准是多少，判断就有了统一依据。数值放在某个人的脑子里，人一换判断就跟着变了。

最后要提醒的是安全库存不是越高越安全。设得太高等于人为制造压货，和备货不足是同一个问题的另一面。找到一个能接受的断货概率，按这个概率来设库存，才是合理的做法。

举个对比的例子。同款商品在稳定的渠道卖，日均出单十五件上下浮动两三件；在活动期间卖，日均可能从十件跳到五十件。这两种情形的安全库存显然不能用同一个数值。

稳定渠道的安全库存可以按日均乘以补货天数再加两成缓冲来算，也就是一百八十件左右。活动场景则需要按放大的日均单独备一批货，活动结束后再回到常规水位。

这个做法把安全库存拆成了常规和特殊两部分。常规部分长期有效，特殊部分跟着活动走。分开管理之后，既不会因为活动备货而长期占用资金，也不会在活动期间断货。

还有一种情况是新品。新品没有历史出单数据，安全库存该怎么设。可行的做法是先备少量试销，用前两周的实际出单数据来推算，之后再调整。新品一开始备太多是最常见的压货来源。

新品的首批备货量可以设得更保守一些。哪怕断货了，补货周期也相对可控，而压货的损失是确定的。在新品阶段，用小的断货风险换取更低的试错成本是合理的。

安全库存的设定本质上是对未来销量的预测，预测一定有偏差。所以数值需要定期回看并修正，而不是设完之后就放在那里不管。

预警规则怎么定

预警的第一个原则是分级。把商品按重要程度分成三档，只有最重要的一档触发实时提醒，其余两档按日或者按周汇总。预警一多，人就麻木了，最后所有的提醒都被忽略。

分级的依据可以看这个商品贡献了多少销售。贡献大、断货影响大的商品进入重点档，长尾商品放在汇总档。这样注意力集中在最关键的位置上。

预警的阈值要按天数而不是按数量来设。剩余库存能卖几天，这个说法比剩下多少件更直观，也更容易判断紧急程度。不同出单速度的商品用同一个天数标准也能比较。

预警要带上明确的信息。触发预警的时候，除了提醒库存偏低，还要给出日均出单量、剩余可售天数和建议的补货量。信息完整，收到提醒的人才能立刻行动。

预警之后要有响应记录。谁看到了、决定了什么、什么时候下的单，这些都记下来。有了记录才知道预警是真的起了作用，还是只是制造了一堆红点。

阈值还需要根据实际效果调整。如果某个商品的预警发出后总是判断为不需要补货，说明阈值设得偏高了；如果总是在断货之后才预警，说明阈值设得太低。

举个阈值设置的具体做法。先统计每个商品从下单到入库需要多少天，把这段时间记为补货周期。预警的触发点可以设在剩余可售天数等于补货周期加三天，三天是留给确认和下单的时间。

这个阈值可以按商品类别做调整。补货周期长的商品留的余量大一些，周期短的可以紧一些。不管怎么调，原则是让预警发出的时候还有足够的时间完成补货动作。

预警的呈现方式也很重要。列表形式比零散的弹窗更实用，因为可以按紧急程度排序，一眼看到最需要处理的几个。弹窗式提醒多了会形成干扰，反而降低响应率。

预警信息里最好带上一个建议动作。比如建议补货数量、建议下单时间。收到提醒的人不需要重新算一遍，直接确认或者微调就能执行，响应速度会快很多。

还要考虑预警的传递路径。如果只有一个人能看到预警，这个人休假的时候就会出现空档。设置一个备份的接收人，或者让预警同时进入一个共享的清单，都能降低这种风险。

定期回看预警的效果是必要的。统计一下发出预警的商品里，有多少最终确实需要补货。这个比例太低说明阈值偏高，太高说明偏低，根据实际数据调整比凭感觉改要准。

举个实际的分级例子。把商品分成三档，A 档是月销占比前十的商品，触发实时提醒；B 档是中等销量的商品，每天汇总一条；C 档是长尾商品，每周汇总一条。

分级的直接效果是提醒数量下降了，但关键商品一个都没漏。人的注意力是有限的，把提醒集中在少数几次上，响应的质量会明显不同。

分级不是固定的。某一档商品如果销量结构发生变化，档位也应该跟着调整。每个月看一次各档的构成，把升上来的商品往上调，掉下去的下调。

还有一个小技巧是把预警和补货动作连起来。预警发出的时候直接带一个待办事项，确认后自动进入补货流程。少了中间的一次转换，响应速度会更快。

预警的响应率要统计。发出多少条、其中多少条被处理了、平均响应用了多长时间。这个数据能反映预警机制是不是真的在运转，还是只是一个形式。

如果响应率长期偏低，要先确认原因是提醒太多还是责任人不清。两种情况的对策完全不同，前者要减少提醒，后者要明确归属。

补货动作的触发条件

最常见的触发条件是库存水位。剩余可售天数低于设定的阈值，就触发补货建议。这个条件简单直接，也是最容易落地的第一层规则。

第二个触发条件是出单速度的变化。如果某个商品的日均出单量比前一周明显提升，那么按原有节奏的补货量就不够了，需要重新计算。这类变化往往预示着一个上升趋势。

第三个条件是在途货的状态。如果供应商的交期推迟了，那么在途数量到达的时间也会推迟，安全库存的消耗速度就会超出预期。这类信息要及时同步到补货判断里。

第四个条件是季节和活动节点。旺季前的备货和大促前的备货，时间点和数量都和平时不同。把这些节点提前标出来，补货动作才不会临时慌张。

触发之后要明确由谁执行。补货建议生成之后，需要有一个人负责确认并下单。没有人负责的补货建议，和没有建议是一样的结果。

从触发到下单之间的时间也要控制。如果确认环节拖了三天，安全库存的缓冲就被吃掉了三天。给每一个环节设一个时间上限，整个补货链条才转得动。

除了这几个条件，还有一个隐性的触发因素是对手和市场的动向。如果同款商品的整体销量在上升，那么这个趋势大概率会传导到自己这边。把这些外部信号纳入考虑，补货判断会更前瞻。

触发条件不要设得太多。条件越多，判断越复杂，执行的人越容易跳过。先用两个最核心的条件跑起来，比如水位和出单速度，跑顺之后再逐步增加。

不同商品可以用不同的触发组合。畅销品用灵敏度高的条件组合，长尾商品用低频的汇总判断。把所有商品塞进同一套规则里，效果往往两边都不理想。

补货的量也要有规则。补多少合适，取决于补货周期内的预计销量，加上安全库存的补足部分，减去现有的在途数量。这个公式不用很精确，但每一个量都要有出处。

下单之后要跟踪到货。什么时候发的、预计什么时候到、实际什么时候入库，这些节点都记录下来的话，补货周期的估算会越来越准，后续的判断也会跟着变准。

补货这件事最容易出问题的地方是没人负责。规则再清晰，如果没有明确的执行人和时间点，建议就只是纸面上的数字。把责任人写进流程，是补货真正跑起来的前提。

举一个实际的执行流程。系统在每天上午生成一份补货建议清单，清单上列出触发条件、建议补货量、建议下单时间。负责人在上午确认完并下单，下午把下单记录回填。

这个流程把补货从一件随时可能发生的事，变成了每天固定时段的一件事。固定下来之后，不容易忘，也容易衡量。清单上有多少条、当天下单多少条，数据一目了然。

清单之外还需要一条紧急通道。如果某个商品因为突发的流量或者活动卖得特别快，每天一次的节奏可能跟不上。为这类情况保留一个随时可以发起的流程。

紧急通道要少用，用多了就说明日常的补货判断出了问题。定期统计紧急补货占总补货的比例，如果这个比例在上升，就回头检查触发条件是不是设得太迟。

补货之后的效果也要看。补进来的货够卖多少天，有没有出现补完之后立刻又要补的情况。这些都可以作为调整补货量的依据。

整个流程跑顺之后，可以逐步减少人工确认的环节。前提是前面的判断足够准，且有过一段时间的验证。过早地把判断完全交给系统，风险比较大。

不同状态的商品，该看的指标和该做的动作都不一样

滞销库存的处理路径

第一步是把滞销商品识别出来。标准可以用连续两个月的出单量，或者库存周转天数超过上限。识别出来之后按库存金额和占用时间排序，先处理金额大的。

第二步是分析滞销的原因。是选品本身有问题，还是定价偏高，或者是商品页的呈现不够清楚。原因不同，处理方式也不同，直接打折不一定是最优解。

如果是呈现的问题，改主图和标题可能就能带动销售，不必马上就降价。先做低成本的内容优化，观察一到两周，没有改善再考虑价格手段。

第三步是选择清理方式。常见的方式包括直接降价、捆绑销售、作为赠品、以及批量转给处理渠道。这几种方式对毛利的影响依次增加，尽量从影响小的开始试。

清理要设一个期限。比如一个月内必须定下方案，两个月内必须清完。没有期限的清理计划会一直往后拖，库存就一直在仓库里占着位置。

清理完之后还要回头总结。这批货为什么滞销，下次选品的时候能不能避开。滞销处理的价值不只是清掉库存，更是把选品判断校准一次。

处理滞销时要注意一个心理上的障碍。已经投入的成本会让人不愿意打折，觉得亏了。但库存放着的每一天都在产生仓储成本和资金成本，这些是实实在在的支出。

把这两个数字算出来对比一下，判断会清晰很多。打折让出的毛利和继续持有产生的成本，哪个更大。多数情况下，拖下去的成本反而更高。

处理的方式可以按对品牌形象的影响来排序。捆绑销售和作为赠品对价格的冲击最小，直接降价次之，批量转出影响最大但清得最快。根据商品的重要程度选择合适的方式。

如果滞销的原因是选品判断失误，那么这批清完之后要调整选品的标准。同样的错误重复出现，成本会一次次累积。每次滞销处理都应该带来一次选品标准的更新。

还有一种情况是滞销只是暂时的，商品本身有潜力，只是还没有找到合适的呈现方式或者价格。这类商品值得再给一次机会，但也要设一个期限，不能无限期地等待。

清理的节奏也要控制。集中清仓容易让人觉得店铺在甩货，影响其他在售商品的形象。分批处理、控制比例，既能清掉库存又不至于影响整体印象。

举一个具体的处理过程。某批商品连续两个月出单低于十件，库存还有三百件，占用资金约两万四。先检查商品页，发现主图和描述都比较旧。

第一步是更新内容，换主图、调整标题、补充使用场景的描述。这一步几乎不需要成本。观察两周之后，出单量从每周两件升到每周五件，但库存仍然需要很久才能清完。

第二步是加入捆绑方案，把它和畅销款组合成一个套装，价格比单买略低。套装方案带动了一部分销售，两周内清掉了六十件左右。

第三步是对剩余的部分做一次集中的促销，价格降到接近成本。这一步清理得最快，但也明确了这批货的最终结果是亏损的。

整个过程持续了约两个月。记录下每一步的清货速度和对应的毛利损失，以后再遇到类似情况，就能直接判断从哪一步开始最合适。

这个例子的价值在于它展示了分步处理的方式。不是一上来就打折到底，而是从成本最低的手段开始逐步加码，把损失控制在尽量小的范围内。

规则跑起来之后，断货和压货这两头都会往下走

库存健康的检查项

第一个检查项是库存周转天数。它反映的是库存从入库到卖出平均要花多少天。这个数字持续上升，说明压货在加重；持续下降且伴随断货，说明备货偏保守。

第二个检查项是断货发生的次数。统计一段时间内有多少个商品出现过断货，以及每次断货持续了多少天。次数和时长一起看，才能判断问题的严重程度。

第三个检查项是库存占用的资金总额。按月看这个数字的变化，和同期销售额的变化做对比。占用在涨而销售没涨，就是一个明确的信号。

第四个检查项是滞销库存的占比。滞销金额占总库存金额的比例超过一定水平，说明结构出了问题。这个比例比总额更能反映库存的质量。

第五个检查项是账实差异率。盘点结果和系统数据的差异有多大，差异主要集中在哪些商品上。差异率长期偏高，说明基础数据的维护有问题。

把这几个指标放在一张表上按月记录，几个月之后就能看出趋势。库存管理最难的不是某一次判断，而是保持长期稳定，指标趋势就是很好的参照。

除了这几个指标，还可以看一个组合指标：断货率和滞销率同时处于什么水平。两个都低说明库存管理到位；断货低但滞销高，说明备货整体偏保守或者选品有问题；断货高但滞销低，说明备货节奏跟不上销售。

两个都高的情况最需要警惕，说明库存结构严重失衡，畅销的备不够、滞销的堆着。这种状态下资金使用效率很低，需要同时从补货和清理两端着手调整。

指标的比较基准也很重要。同样的周转天数，在快消类和耐用品类里的含义完全不同。跟自己的历史数据比，比跟行业平均值比更有参考价值。

检查的周期按月比较合适。库存的变化比较慢，按周看会因为波动大而得出错误结论。按月记录，再看三个月以上的趋势，判断才稳。

检查的结果要和一个具体的动作挂钩。周转天数超标就去看滞销清单，断货次数上升就去复盘补货触发的时间点。指标的作用是引出动作，不是积累数字。

长期坚持记录这些指标，会慢慢建立起对库存的直觉。看到某个商品的销量曲线，大致就能判断要不要提前备货。这种判断力的价值，比任何一套固定的规则都大。

举一个指标解读的例子。某店铺的周转天数从四十五天上升到六十天，同时断货次数也在增加。这两个数字看起来矛盾，实际上是滞销和畅销两种商品同时出了问题。

拆开看会发现，滞销商品的库存占比在上升，拉高了整体周转天数；而畅销商品因为资金被占用，备货不足，导致断货次数增加。整体指标掩盖了结构上的问题。

解决办法是按商品分层看指标。畅销品的看断货率，平销品的看周转天数，滞销品的看占比和处理进度。分开看之后，每个问题都能找到对应的动作。

分层的另一个好处是资源分配更清楚。资金优先保障畅销品的库存，平销品维持常规节奏，滞销品按计划清理。整体资金效率会在几个月内有所改善。

这个例子说明单看整体指标容易得出错误的结论。库存管理的诊断要分层，这和前面按出单速度给商品分级的做法是一脉相承的。

分层不是把工作变复杂，恰恰相反，它让每个层级只关注少数几个指标。判断变简单了，执行的阻力也就变小了。

常见问题（FAQ）